【Google AI应用】利用机器学习来“短时预报”高分辨率的降水:Using Machine Learning to “Nowcast” Precipitation in High Resolution

题目

利用机器学习来“短时预报”高分辨率的降水:Using Machine Learning to “Nowcast” Precipitation in High Resolution

技术简介

天气会以普通的方式和严重的方式影响人们的日常生活，而预报的准确性会极大地影响他们的应对方式。天气预报可以告知人们是否应该采取不同的工作方式，是否应该重新安排周末计划的野餐时间，或者由于风暴来袭而需要撤离房屋。但是，要进行准确的天气预报，对于局部性暴风雨或每小时时间变化的事件（例如雷暴）尤其具有挑战性。 在“ 从雷达图像中进行临近预报的降水的机器学习 ”中，我们介绍了用于降水预报的机器学习模型的开发的新研究，该模型通过做出适用于近期的高度本地化的“无物理量”预测来应对这一挑战。机器学习的显着优势是，在已经训练好的模型下，推理在计算上很便宜，从而允许几乎即时且以输入数据的原始高分辨率进行预测。这种降水临近预报，重点是0-6小时的预报， 即使在开发的这些早期阶段，也可以生成分辨率为1公里，总延迟仅为5-10分钟的预测，包括数据收集延迟，优于传统模型。

ML方法的优点之一是预测是实时的，这意味着我们的预测基于新数据，而HRRR（高分辨率快速刷新）受1-3小时的计算延迟的影响。这可以为短期预测提供更好的计算机视觉方法预测。相反，HRRR中使用的数值模型可以做出更好的长期预测，部分原因是它使用完整的3D物理模型-很难从2D图像中观察到云的形成，因此ML方法学习对流过程更加困难。将这两个系统（用于快速预测的ML模型和用于长期预测的HRRR）相结合，可能会整体上产生更好的结果，这是我们未来工作的重点。我们也在考虑将ML直接应用于3D观测

出处

Google AI